Double Machine Learning（双机器学习）

传统因果推断方法如回归调整在高维数据下容易过拟合，导致处理效应估计有偏。双机器学习（DML）由Chernozhukov等人于2018年提出，通过交叉拟合和Neyman正交性，使用机器学习模型分别估计干扰函数（结果模型和倾向得分模型），然后基于残差进行正交化估计，从而获得无偏且渐近正态的处理效应估计。DML在经济学、流行病学等领域广泛应用，是因果机器学习的代表方法。